energy-efficient

本文提出了一种基于可扩展反向传播的算法，用于训练在热力学Ising硬件上运行的深度卷积网络，在CIFAR-10上达到94.9%的准确率，在CIFAR-100上达到76.0%的准确率，同时分析了推理成本与准确率之间的权衡。

Un-0 是一个由模拟耦合振荡器系统驱动的图像生成器，在 ImageNet 64×64 上达到了 6.74 的 FID，与早期的传统方法相当。该项目开源，旨在展示在物理基板上实现节能人工智能的可能性。

一种受大脑启发的人工智能架构有望实现更快计算，同时功耗大幅降低，可能推动节能型AI硬件的发展。

研究人员开发出一种类脑光晶体管，能够感知和存储数据，有望降低AI能耗。

介绍SpikF-GO，一种用于多变量时间序列预测的脉冲神经网络模型，该模型结合了基于图的变量间依赖建模与脉冲驱动的频谱处理，在SNN方法中实现了最先进的结果，同时降低了能耗。

Otters++ 是一种新型光学尖峰Transformer，利用首次脉冲时间编码和物理硬件衰减实现高能效推理，在GLUE上达到84.17%，同时相比之前的尖峰Transformer基线保持明显的能效优势。

本文介绍了首个完全运行在移动NPU（Snapdragon X Elite上的Qualcomm Hexagon）上的端到端RAG流水线，相比CPU实现了高达18倍的LLM预填充加速和4倍的能耗降低，且无质量退化。

FuriosaAI 的 RNGD AI 芯片被 LG AI 研究院用于其 EXAONE 平台，提供 2.25 倍的推理性能提升和更优的能效，这标志着罕见的大型企业认可了英伟达的竞争对手。

罗切斯特大学研究人员开发了一种太阳能热脱盐方法，利用激光蚀刻黑色金属，在不添加化学物质的情况下高效生产淡水，并将残留盐转化为有用材料，避免了盐水废物。

TRINE是一款单比特流FPGA加速器与编译器，用于端到端多模态推理，统一了多种层类型，并集成了运行时自适应计算模式、令牌剪枝和依赖感知的卸载功能，在20-21W功耗下相比RTX 4090实现最高22.57倍的延迟降低。

FusionSense提出了一种面向多模态边缘智能的三阶段近传感器学习框架，通过融合感知滤波同时降低计算与通信开销，在RGB-深度/激光雷达任务上实现高达33倍的能耗节省和显著的数据缩减收益。

本文介绍了TwELL和Hybrid稀疏格式，配合自定义CUDA内核，有效利用LLM中的非结构化稀疏性，在H100 GPU上实现了训练和推理速度提升超过20%，同时降低了能耗和内存使用。

Skymizer发布HTX301，一款能够本地运行700B参数大语言模型、拥有高内存和低功耗的PCIE推理卡。